Tedarikçi Seçiminde Çok Kriterli Karar Verme Yöntemlerinin Kullanılması

TEDARİKÇİ SEÇİMİNDE ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN KULLANILMASI

Aşır Özbek¹

ÖZET

Doğru tedarikçinin seçilmesi, işletmelerin rekabet yeteneğinin artırılmasında ve maliyetlerin azaltılmasında, önemli bir etkiye sahiptir. En uygun tedarikçiyi seçme, bir birlerini etkileyen faktörlerin yer aldığı karmaşık bir problem türüdür. Karar verme sürecinde kalite, fiyat, esneklik ve teknoloji gibi birçok tedarikçinin nitel ve nicel performans göstergeleri dikkate alınmaktadır. Tedarikçilerin güçlü ve zayıf yönleri de tedarikçi seçim sürecinde göz önüne alınması gereken diğer faktörlerdir. Literatürde tedarikçi seçim problemini çözmek için çok sayıda ve farklı çok kriterli karar verme (ÇKKV) yöntemleri önerilmiştir. Bu çalışmada, bir işletme için en uygun tedarikçileri belirlemede Bulanık Analitik Ağ Süreci (BAAS) ve VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) yaklaşımına dayanan bütünleşik bir çözüm modeli geliştirilmiştir. BAAS, karar verme sürecinde, faktörler arasındaki bağımlılığı ve geri beslemeyi değerlendiren, nicel ve nitel kriterleri dikkate alabilen ÇKKV yöntemlerinden birisidir. Karar verme modelinin kriterleri ve karar ağı yapısı literatür taramasından elde edilen veriler ve uzman kişilerin görüşleri dikkate alınarak belirlenmiştir. Önerilen modelin kriter önem ağırlıkları BAAS ile seçeneklerin sıralanması ise VIKOR ile belirlenmiştir.

Anahtar Sözcükler: Bulanık Analitik Ağ Süreci, BAAS, Çok Kriterli Karar Verme, VIKOR, Tedarikçi Seçimi

1 Yrd. Doç. Dr. Kırıkkale Üniversitesi, Kırıkkale MYO, Bilgisayar Teknolojileri Bölümü, asirozbek@hotmail.com

THE USE OF MULTI-CRITERIA DECISION MAKING METHODS IN SUPPLIER SELECTION

ABSTRACT

A good supplier selection is important in order to enhance the enterprise’s ability of competition and minimizing the costs. Choosing the best supplier is a kind of complicated problem in the elements influencing each other. Qualitative and quantitative performance indicators such as quality, price, flexibility and technology should be considered in the period of decision. Another criteria to be considered is the strong and weak aspects of the supplier. Many and varied multi-criteria decision making methods of supplier selection are suggested in technical literature.In this study, a formula grounded on fuzzy analytic network process (FANP) and VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) in supplier selection is developed. FANP is one of the multi-criteria decision making (MCDM) methods which takes into consideration dependency, feedback, quantitative and qualitative criteria in the decision period. The criteria of the practice and the structure of decision network are determined according to the data in technical literature and specialist’s ideas. In this suggested method, significance of criteria is according to FANP and the ordering of options is determined according to VIKOR.

Keywords: Fuzzy Analytic Network Process, FANP, Multi-Criteria Decision Making, VIKOR, Supplier Selection

71

GİRİŞ

Satın alma, işletmelerin temel işlevlerinden biridir. Son yıllarda rekabet ortamının en kritik konularından birisi de satın alma süreci olmaktadır. Rekabetin çok şiddetli olduğu günümüzde, sürdürülebilir olmanın temel prensibi, üretim maliyetlerinin azaltılmasıdır. Uygun tedarikçi seçimi, satın alma maliyetlerini azaltabilir, üretimde esnekliği artırabilir, ürün kalitesi üzerinde olumlu etki yapabilir, müşteri memnuniyeti sağlayabilir ve organizasyonun rekabet yeteneğini önemli ölçüde artırabilir. Çünkü hammadde ve malzemenin maliyeti birçok sektörde son ürünün fiyatının büyük bir bölümünü (% 70) oluşturmaktadır (Ghodsypour ve O‘Brien, 1998:199). İşletmelerin ürettiği ürünün kalitesi, üretim kabiliyetinin yanı sıra tedarikçi tarafından temin edilen hammaddeye de bağlı olmaktadır. Tedarikçilerle yapılan uzun süreli iş ilişkisinin en önemli bileşeni uygun tedarikçiyi seçmektir (Kannan vd., 2014a:1).

Son yıllarda, en uygun tedarikçinin nasıl belirleneceği, tedarik zinciri yönetiminde stratejik bir faktör olarak kabul edilmektedir. İşletmeler, organizasyon üzerinde en az etkiye sahip tedarikçileri seçerek, stratejik konumunu güçlendirmek istemektedirler. Bu tür kararların çözümünde kesin bir yolu bulunmamaktadır. Tedarikçi seçimi, tedarikçileri, işletmenin tedarik zincirinin bir parçası haline getirmek için değerlendirme ve gözden geçirme sürecidir. Tedarikçi seçiminde temel amaç; tedarikçinin işletme ile uyum içinde olması ve makul maliyetle en yüksek verimi sağlamasıdır. Doğru tedarikçiyi bulmak işletmelerin stratejileri açısından çok önemlidir. Ancak işletmeler, uygun tedarikçiyi bulmakta zaman zaman zorluklarla karşılaşabilmektedirler. En doğru tedarikçi seçiminde; kalite, fiyat, esneklik ve teknoloji gibi birçok nicel ve nitel performans göstergeleri dikkate alınmaktadır. Son yıllarda en uygun tedarikçiyi değerlendirme ve seçme konusunda birçok çalışma yapılmıştır. Birçok araştırmacı, işletmelerin bu tür sorunlarını, çok kriterli karar verme (ÇKKV) sorunu olarak görmüş ve bu konunun çözümüne yönelik olarak çok farklı uygulamalar geliştirmişlerdir. İşletmeler uzun süreli stratejik ilişkiye girecekleri tedarikçileri belirlerken çok titiz ve dikkatli bir seçim yapmalıdırlar. Çünkü uzun vadeli yapılan iş sözleşmelerini iptal etmek, onarması güç sorunlar oluşturabilmektedirler. Bu ve benzeri nedenlerden dolayı tedarikçi seçim süreci çok iyi yönetilmelidir.

72

Literatürde tedarikçi seçim kriterlerinin belirlenmesi, tedarikçi seçimi ve değerlendirmesiyle ilgili çok farklı çalışmalar yapılmıştır. Bu çalışmaların ilki sayılabilecek araştırma; Dickson (1966) tarafında 273 satın alma sorumlusu ve müdürü ile görüşme yapılarak gerçekleştirilen anket çalışmasıdır. Dickson (1966), bu çalışmanın sonucunda tedarikçi değerlendirmede 23 adet temel kriter belirlemiştir. Yapılan literatür taraması sonucunda tedarikçi seçim sürecinde; kararı etkileyen birçok faktörün olmasından dolayı, etkin kararların alınabilmesi için doğrusal ağırlıklı modeller ve matematiksel programlama temeline dayanan Analitik Hiyerarşi Süreci (AHS), Technique for Order Preference by Similarity to Ideal Solution (TOPSIS), Veri Zarflama Analizi (VZA), Hedef Programlama (HP), Doğrusal Programlama (DP) gibi yöntemlerin son yıllarda yaygın olarak kullanıldığı görülmektedir. Tablo 1’de son yıllarda yapılan çalışmaların bazıları listelenmiştir. Çalışmalar analiz edildiğinde yöntemlerin tek başına kullanıldığı gibi bütünleşik olarak da kullanıldığı görülmektedir.

Tablo 1: Literatür Taraması

Yazar Adı Kullanılan Yöntem Yıl

Ghodsypour, S. H. ve O‘Brien, C. A. AHS ve Doğrusal Programlama 1998

Yahya, S. ve Kingsman, B. AHS 1999

Sarkis, J. ve Talluri, S. AAS 2002

Wang, G.; Huang, S. H. ve Dismukes, J. P. AHS ve Hedef Programlama 2004

Dağdeviren, M.; Dönmez, N. ve Kurt, M. AAS 2006

Bevilacqua, M.; Ciarapica, F.E. ve Giacchetta, G. Bulanık Kalite Fonksiyon Yayılımı 2006

Chan, F. T. S. ve Kumar, N. Bulanık AHS ve Bulanık TOPSIS 2007

Gencer, C. ve Gürpınar, D. AAS 2007

Chou, S.Y. ve Chang, Y.-H. Bulanık SMART 2008

Ha, S.H. ve Krishnan, R. AHS, VZA ve Yapay Sinir Ağı 2008

Lang, T. M.; Chiang, J. H. ve Lan, L.W. AAS 2009

Wang, J.-W.; Cheng, C.-H. ve Kun-Cheng, H Bulanık TOPSIS 2009

Sanayei, A.; Mousavi, S.,F.ve Yazdankhah, A.

Bulanık VIKOR ve Çevresel Etki

Analiz Yöntemi 2010

Saen, R. F. VZA 2010

Fazlollahtabar, H.; Mahdavi, I.; Ashoori, M.T.; Kaviani, S. ve Mahdavi-Amiri, N.

AHS, TOPSIS ve Çok Amaçlı

Doğrusal Olmayan Programlama 2011

Lin, C. T.; Chen, C. B. ve Ting, Y. C. AAS 2011

Dalalah, D.; Hayajneh, M. ve Batieha, F. Bulanık DEMATEL ve Bulanık 2011

73

TOPSIS

Liao, C-.N. ve Kao, H-.P. TOPSIS ve Hedef programlama 2011

Shemshadi, A.; Shirazi, H.; Toreihi, M. ve Tarokh, M.J. Bulanık VIKOR 2011

Toloo, M. ve Nalchigar, S. VZA 2011

Shaw K.; Shankar, R.; Yadav, S.S. ve Thakur, L.S.

Bulanık AHS ve Çok Amaçlı

Doğrusal Programlama 2012

Büyüközkan, G. ve Çiftçi, G. Bulanık DEMATEL, Bulanık AAS ve

Bulanık TOPSIS 2012

Girubha, J. ve Vinodh, S.

Bulanık VIKOR ve Çevresel Etki

Analiz Yöntemi 2012

Zouggari, A. ve Benyoucef, L. Bulanık TOPSIS 2012

Sharma, S. ve Balan, S.

Taguchi, TOPSIS ve Çok Kriterli

Hedef Programlama 2012

Dey S.; Kumar A.; Ray, A. ve Pradhan, B. B.

Kalite Fonksiyon Dağıtım ve

DEMATEL 2012

Kılıç, H. S. Doğrusal Programlama ve Bulanık

TOPSIS 2013

Roshandel, J.; Miri-Nargesi, S. S. ve Hatami-Shirkouhi, L Hiyerarşik Bulanık TOPSIS 2013

Azizi, H. VZA 2013

Zhao, M. ve Ren, R. R. TOPSIS 2013

Rajesh, G. ve Malliga, P. AHS ve Kalite Fonksiyon Yayılımı 2013 Kannan, D.; Khodaverdi, R.; Olfat, L.; Jafarian, A. ve

Diabat, A.

AHS, TOPSIS ve Çok Amaçlı

Doğrusal Programlama 2013

Deng, X.; Hu, Y.; Deng, Y. ve Mahadevan, S. Geliştirilmiş AHS 2014 Kannan, D.; Jabbour, A. B. L. D. S. ve Jabbour, C. J. C. Bulanık TOPSIS 2014 Ware, N. R.; Singh, S. P. ve Banwet, D. K.

Karışık Tamsayı Doğrusal Olmayan

Programlama 2014

Kumar, S. Yeşil VZA 2014

Karimi, H. ve Rezaeinia, A. Çok Segmentli Hedef Programlama 2014 Jadidi, O.; Zolfaghari, S. ve Cavalieri, S. Hedef Programlama 2014 Kannan, D.; Kannan, G. ve Rajendran, S. Bulanık Aksiyomatik Tasarım 2014 Bu çalışmanın amacı; Kayseri,’de 178 çalışanı olan bir üretim işletmesinin uzun yıllar birlikte çalışacağı en uygun tedarikçi firmayı seçmede, işletme yöneticilerinin spesifik yazılımlara ihtiyaç duymadan basit olarak uygulayabilecekleri bir karar verme modeli geliştirmektir. Literatür taraması sonucunda tedarikçi seçimim problemlerinin çözümünde çok farklı yöntemlerin ya tek başına ya da bütünleşik olarak kullanıldığı görülmüştür. Ancak tedarikçi seçim probleminin çözümünde BAAS ve VIKOR yöntemlerinin bütünleşik olarak

74

kullanıldığı bir modele rastlanmamıştır.

Çalışma dört bölümden oluşmaktadır. İkinci bölümde Analitik Ağ Süreci (AAS), BAAS ve VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) yöntemleri tanıtılmış ve bu yöntemlerle geliştirilen bazı uygulamalara değinilmiştir. Üçüncü bölümde 11 kriterin kullanıldığı tedarikçi seçim modeli uygulanmıştır. Son bölümde ise yapılan çalışma değerlendirilmiş ve bu konuda gelecekte yapılacak çalışmalar için öneriler sunulmuştur.

I. YÖNTEM

A. Analitik Ağ Süreci

Literatürde ÇKKV problemlerinin çözümünde; fayda-maliyet analizi, HP, TOPSIS, VIKOR, PROMETHEE ya da AHS gibi birçok yöntem bulmak mümkündür. Ancak; bu yöntemler, kriterler arasındaki yatay bağımlılıkları dikkate almamaktadır. Kriterler arasındaki yatay ya da dikey bağımlılıkları dikkate alan AAS yöntemidir (Peters ve Zelewski, 2008:475).

AAS, Saaty (2001) tarafından AHS’nin genelleştirilmesi ile geliştirilmiş ve AHS’de olduğu gibi nicel verilerin yanında nitel verileri de değerlendirme sürecine dâhil edebilen bir yöntemdir. Bu yöntem, karar verme sürecinde yer alan kriterler arasındaki yatay ya da dikey etkileşimleri dikkate alan ve problemin yukarıdan aşağıya doğru bir yapıda tasarlanması zorunluluğunu ortadan kaldırmaktadır. Yatay etkileşimleri dikkate almak için AAS’de yukarıdan aşağıya doğru hiyerarşik bir yapı yerine karar ağı yapısı seçilmektedir.

Bir karar ağı, kümeler, elemanlar ve etkilerden oluşmaktadır. Kümeler ana kriterleri, elemanlar ise alt kriterleri ya da seçenekleri göstermektedir. Kümeler, içerisinde elemanlardan oluşan elips şeklinde gösterilmektedir (Saaty, 2001:151). Karar ağında ana kriterler, etkileşimde bulunan kümeleri, alt kriterler de elemanları karşılaştırmada kullanılmaktadır (Peters ve Zelewski, 2008:480).

Bir hiyerarşide üst düzeydeki elemanların daha alt seviyedeki elemanlarla etkileşimleri söz konusu olabilmektedir. Bu durum karşılıklı bağımlılıkların ortaya çıkmasına neden olmaktadır. Bu nedenle çözülmesi gereken birçok karar sorunu, hiyerarşik yapıda oluşturulamamaktadır. Diğer taraftan bir karar ağında tüm elemanların diğer kümelerdeki ve bulundukları kümelerdeki tüm elemanlarla etkileşim halinde olmaları söz konusu olmamaktadır

75

(Saaty, 2001:91). Yöntem, sadece belirli kümeler altındaki elemanların ikili karşılaştırmalarını değil, birbiri ile etkileşimde olan tüm elemanların bağımsız olarak karşılaştırılabilmesine imkân sağlamaktadır (Saaty, 2001:91).

Şekil 1’de bir karar ağı yapısı verilmiştir (Saaty, 2001:152). Bu karar ağı yapısı altı kümeden oluşmaktadır. Ağ yapısının C1 kümesi sadece C2 kümesini etkilemektedir. C2 kümesi ise C1 ve C3 kümelerini etkilerken aynı zamanda kendi içerisindeki elemanlar arasında da etkileşimi söz konusudur. C3 kümesi C4 ve C5 kümelerini etkilerken, C4 kümesi C1 ve C5 kümelerini etkilemektedir. C5 kümesi C1, C3, C4 kümelerini etkilerken aynı zamanda kendi içerisindeki elemanlar arasında da etkileşim söz konusu olmaktadır. C6 kümesi ise C1 ve C4 kümelerini etkilerken, diğer taraftan kendi içerisindeki elemanlar arasında da etkileşim olmaktadır.

Şekil 1: AAS Karar Ağı Yapısı

AAS, çok farklı karar problemlerinin çözümünde başarılı şekilde uygulanmıştır. Tavana (2012) sosyal medya platformu seçiminin kriter önem ağırlıklarının belirlenmesinde; Ivanović vd. (2013) ulaşım projelerinin seçiminde AAS yöntemini kullanmışlardır. Yeh ve Huang (2014) rüzgar çiftliklerinin yerini belirlemede dikkate alınması gereken temel faktörlerin tespitinde AAS ve DEMATEL; Aragonés-Beltrán vd. (2014) belirli bir güneş termik santral projesine yatırım karar verme ve şirketin portföyündeki projelerin öncelik sırasını belirlemede AHS ve AAS; Kabak ve Dağdeviren (2014) Türkiye'nin enerji durumunu tespit etmede ve alternatif yenilenebilir enerji kaynaklarının önceliklerini belirlemede faydalar, fırsatlar, riskler ve maliyetler çerçevesinde ve AAS yöntemine dayanan bütünleşik bir model önermişlerdir.

C1

C2

C3

C5 C4

C6

76 B. Bulanık Analitik Ağ Süreci

Bulanık mantık kavramı ilk olarak Zadeh (1965) tarafından geliştirilmiştir. Bulanık mantık, belirsizlik ve kesin olmayan problemlerinin çözümünde yaygın olarak kullanılan bir yöntemdir (Chen ve Chen, 2008:85). Teori, matematiksel işlemleri ve programlamayı bulanık alanda uygulamaya oldukça elverişlidir.

Geleneksel küme yaklaşımında; kümenin üyeleri, 0 ya da 1, “evet” veya “hayır” gibi ikiye bölme kuralına göre belirlenmektedir. Bulanık mantık da ise “orta”, “yüksek”, “düşük”

gibi ortalama değerler kullanılmaktadır. Bir bulanık küme, her bir elemanı 0 ile 1 arasında değişen üyelik derecesine sahip bir fonksiyon μA(x) ile tanımlanmaktadır. Bir x faktörü A kümesine kesinlikle ait ise μA(x)=1, kesinlikle ait değil ise μA(x)=0 olmaktadır. Daha yüksek bir üyelik derecesi değeri, x faktörünün A kümesine ait olma derecesinin daha yüksek olduğunu göstermektedir (Dağdeviren, 2007:793).

Yapılan çalışmalarda yaygın olarak üçgen ya da yamuk bulanık sayılar kullanılmaktadır. Bulanık sayıların özel bir sınıfı olan üçgen bulanık sayı , üç gerçek sayı ile ifade edilmekte ve üyelik fonksiyonu da bu sayılara bağlı olarak tanımlanmaktadır. Formül (1)’de üçgen bulanık sayının üyelik fonksiyonu tanımlanmaktadır (Zimmermann, 1990). Şekil 2’de üçgensel bulanık sayının üyelik fonksiyonu görülmektedir.

Şekil 2: Bulanık Üçgen Sayı μA(x)

x 1

0

l m u

77

(l, m, u) ile ifade edilen üçgen bulanık sayısında l, m ve u parametreleri, sırasıyla, mümkün olan en küçük, en geniş ve en büyük değeri temsil etmektedir.

= ( l

a

, m

a

, u

a

) ve = ( l

b

, m

b

, u

b

) iki üçgen bulanık sayı olmak üzere bulanık sayılar üzerindeki temel aritmetik kurallar şu şekilde tanımlanır (Zimmermann, 1990).

Toplama:

Çıkarma:

Çarpma:

Bölme:

Tersini Alma:

BAAS yöntemi, çok farklı çalışmalarda başarılı olarak uygulanmıştır. Wu vd. (2006) Taiwan’da ki sağlık örgütlerinin performansını ölçmede ve kriz yönetimini değerlendirmede;

Güneri vd. (2009) tersane yeri seçiminde; Vinodh vd. (2011) üretim işletmesi için tedarikçi seçiminde; Tavana vd. (2013) Ulusal Havacılık ve Uzay Dairesi’nin ileri teknoloji projelerinin önceliklerinin belirlenmesinde; Nguyen vd. (2014) tezgah seçiminde BAAS yöntemini kullanmışlardır.

BAAS ile problemlerinin çözümü beş temel adımdan oluşmaktadır. Bu adımlar aşağıda açıklanmaktadır.

Adım 1: Problemin Tanımlanması ve Karar Ağının Tasarlanması

Bu aşamada problem açık bir şekilde tanımlanmalı, kümeler, küme elemanları, küme içi ve dışı bağımlılıklar belirlenerek karar ağı tasarlanmalıdır. Kriterler belirlenirken uzmanların görüşleri ve literatür taraması sonucunda elde edilen bulgular dikkate alınabilir.

78 Adım 2: İkili Karşılaştırma Matrislerinin Oluşturulması ve Bulanık Önem Ağırlıklarının Hesaplanması

BAAS’de kararları etkileyen kriterler ikili olarak karşılaştırılarak bulanık önem ağırlıkları belirlenir. Kümeler birbirleriyle, küme içindeki elemanlar kendi içlerinde ve ilişkili olduğu diğer küme elemanlarıyla ikili olarak karşılaştırılır. Her hangi bir elemanla etkileşim içinde olmayan bir elemanın değeri, matriste (0,0,0) olarak belirtilir. Bu matrislerin oluşturulmasında Saaty (2001) tarafından önerilen Tablo 2’de gösterilen karşılaştırma ölçeğini temel alarak, Prakash (2003) tarafından oluşturulan Tablo 3’de verilen ölçek değerleri ve karşılığı olan üçgen bulanık sayılar kullanılabilir.

Tablo 2: Karşılaştırma Ölçeği

Önemi Tanım Açıklama

1 Eşit öneme sahip Her iki seçenekte eşit değerde öneme sahip

3 Biraz önemli Bir kriter diğerine göre biraz daha önemli sayılmıştır 5 Fazla önemli Bir kriter diğerine göre çok daha önemli sayılmıştır

7 Çok fazla önemli Kriter diğer kritere göre kesinlikle çok fazla önemli sayılmıştır 9 Son derece önemli Bir kriterin diğerine göre son derece önemli olduğu çeşitli bilgilere

dayandırılmıştır.

2, 4, 6, 8 Ara dereceler Gerektiğinde kullanılabilecek ara değerler.

Tablo 3: Kriter Karşılaştırmalarında Kullanılan Ölçek Değeri ve Üçgen Bulanık Sayılar Ölçek Değeri Üçgen Bulanık Sayılar Ölçek Değeri Ters Üçgen Bulanık Sayılar

1 (1, 1, 1) 1/1 (1/1, 1/1, 1/1)

2 (1, 2, 4) 1/2 (1/4, 1/2, 1/1)

3 (1, 3, 5) 1/3 (1/5, 1/3, 1/1)

5 (3, 5, 7) 1/5 (1/7, 1/5, 1/3)

7 (5, 7, 9) 1/7 (1/9, 1/7, 1/5)

9 (7, 9, 11) 1/9 (1/11, 1/9, 1/7)

Karşılaştırmalar, formül (7)’de görüldüğü gibi ikili karşılaştırma matrisinin tüm değerleri (1) olan köşegeninin üstünde kalan değerler için yapılmaktadır. bulanık sayısı, i.

eleman ile j. elemanın ikili karşılaştırma değeri olarak gösterilecek olursa, bulanık sayı değeri eşitliğinden elde edilir.

79

İkili karşılaştırma matrislerinin düzenlenmesinden sonra bulanık geometrik ortalama yöntemi ile kriterlerin ortalama değerleri bulunur. Kriterlerin bulanık önem ağırlıkları; her bir kriterin bulanık geometrik ortalamasının ilgili kriterin bulanık değerlerin toplamına bölünmesiyle bulunur.

Adım 3: Bulanık Önem Ağırlıkların Durulaştırılması ve Normalleştirilmesi

Kriter bulanık önem ağırlıklarının her hangi bir durulaştırma yöntemi ile durulaştırılması gerekir. Bulanık üçgen sayıların durulaştırılmasına yönelik olarak literatürde birçok yöntem yer almaktadır. Burada uygulanan (8) numaralı formül ile ifade edilen durulaştırma yöntemi; Hus ve Nian (1997) ve Lious ve Wang (1992)’ın çalışmalarını esas almaktadır. Bu çalışmalarda; karar vericilerin risk tolerans (λ) ve tercih (α) değerleri dikkate alınmaktadır. α, 0 ile 1 arasında herhangi bir değer alabilen sabit ya da değişken bir durumu ifade etmektedir. λ değişkeni ise 0 ile 1 arasında bir değer alabilmekte ve karar vericinin eğilimini yansıtmaktadır. λ değişkeninin 0 değerini alması karar vericinin daha iyimser, 1 değerini alması ise daha kötümser olduğu anlamına gelmektedir. Uygulamamızda α ve λ değişkenlerine 0,5 değeri verilmiştir.

Burada;

i. kriterlerin durulaştırılmış yerel önem ağırlıkları i. kriterin yerel önem ağırlıkları toplamına bölünerek normalleştirilir. Normalleştirme sonucunda kriterlerin önem ağırlıkları toplam değeri 1 olur.

(7)

80

Adım 4: Süpermatris ve Limit Süpermatrisin Oluşturulması

Kriterlerin amaca göre kendi aralarındaki ikili karşılaştırmalar yoluyla elde edilen önem ağırlıklarının diğer bir ifadeyle öncelik vektörlerinin bir matriste bir araya getirilmesiyle süpermatris elde edilir. Süpermatriste elemanlar arasındaki dolaylı etkiler yerine sadece direkt etkiler dikkate alındığı zaman; süpermatrisin büyük dereceden kuvvetinin alınması gerekmektedir. Kuvvet alma işlemi, aynı satıra karşılık gelen sütun değerleri birbirine eşit olana kadar, yani matrisin satırları durağanlaşıncaya kadar devam eder. Elde edilen yeni matris, limit süpermatris olarak adlandırılır (Saaty, 2001:112). Karar sürecini etkileyen en önemli kriter, limit süpermatriste en yüksek önceliğe sahip olan elemandır. Bu sonuçlar bize kriterlerin nihai önem ağırlıklarını vermektedir.

C. VIKOR Yöntemi

VIKOR yöntemi, ilk defa 2004 yılında Opricovic ve Tzeng (2004) tarafından yapılan çalışmada ÇKKV problemlerinin çözümünde kullanılmıştır. Yöntemin çeşitli araştırmacılar tarafından 2004 yılından itibaren farklı alanlardaki çalışmalarda kullanıldığı görülmektedir.

Yöntemin amacı, seçeneklerin sıralanmasında uzlaşık çözüme ulaşmaktır. Uzlaşık çözüme ulaşmak için her bir kritere göre değerlendirilen her seçeneğin, ideal seçeneğe yakınlık değerleri karşılaştırılmaktadır (Opricovic ve Tzeng, 2007:516). Opricovic (2009) su kaynakları planlamasında, Ali-Mohammad vd. (2010) bilgi portal sisteminin seçiminde, Cristóbal (2011) İspanya’daki yenilenebilir enerji projelerinin seçiminde VIKOR yöntemini kullanmışlardır.

Sanayei vd. (2010) otomotiv sektöründe parça tedarikçisi seçiminde, Shemshadi (2011) tedarikçi seçiminde, Liou vd. (2011) Tayvan yerli havayolların hizmet kalitesini artırmada, Devi (2011) robot seçiminde bulanık VIKOR yöntemini uygulamışlardır. Tzeng vd. (2005) toplu taşımada kullanılacak alternatif yakıtların değerlendirmesinde VIKOR, TOPSIS ve AHS; Wua vd. (2009) performans ölçümü amacıyla üç bankayı yirmi üç kriter kapsamında bulanık ortamda analiz etmede AHS ve VIKOR; Liou ve Chuang (2010) dış kaynak kullanım alternatiflerinin seçiminde AAS ve VIKOR; Kuo ve Liang (2011) hava limanlarının servis kalitesini değerlendirmede bulanık VIKOR ve GİS; Girubha ve Vinodh (2012) otomobil parçası

81

tedarikçisinin malzeme seçiminde bulanık VIKOR ve çevresel etki analiz yöntemini kullanmışlardır.

Uzlaşık sıralama algoritması VIKOR aşağıdaki adımlardan oluşmaktadır:

Adım 1: Her kriter için en iyi ve en kötü değerleri belirlenir.

ve ‘nin alacağı değer, kriterin fayda ya da maliyet cinsinden olup olmadığına göre değişmektedir.

Adım 2: S

j

ve R

_j

değerleri, j= 1,2,...,j için hesaplanır.

w

i

, kriter ağırlıklarını ve göreceli önemleri göstermektedir.

Adım 3: Q

_j

değerleri tüm j= 1,2,...,j için belirlenir.

v değeri, maksimum grup faydasını sağlayan strateji için ağırlığı ifade etmektedir.

Adım 4: S, R ve Q değerleri küçükten büyüğe doğru sıralanarak, seçenekler arasında üç adet sıralama listesi oluşturulur.

Adım 5: Eğer aşağıdaki iki koşul sağlanırsa; seçeneklerin Q değerlerine göre

küçükten büyüğe doğru sıralanmasında en iyi sırayı sağlayan seçeneği uzlaşık

çözüm olarak önerilir.

82 C1. Kabul edilebilir avantaj:

(12) numaralı formüldeki değeri, Q değerine göre küçükten büyüğe doğru yapılan sıralamada ikinci sırayı alan seçenek olmaktadır. (13) numaralı formüldeki J değişkeni, seçenek sayısını göstermektedir. Seçenek sayısı 4’ten küçükse D(Q)= 0,25 alınmaktadır.

C2. Karar vermede kabul edilebilir istikrar:

S ve/veya R değerlerine göre yapılan sıralamada da , en iyi sıradaki seçenek olmalıdır. Eğer koşullardan biri yerine getirilemezse bu durumda uzlaşılmış ortak çözüm kümesi aşağıdaki gibi önerilmektedir.

 Eğer C2 koşulu yerine getirilemiyor ise; ve seçenekleri yani birinci (A

₁

)

ve ikinci (A

₂

) sıradaki seçenekler en iyi uzlaşık çözüm olarak belirlenmektedir.

 Eğer C1 koşulu yerine getirilemiyorsa; , , ... , yani (A

1

, A

2

, … , A

M

)

seçenekleri uzlaşılmış en iyi çözüm kümesi olarak belirlenmektedir. , maksimum M için formülü ile belirlenmektedir.

II. UYGULAMA

Problemin Tanımlanması ve Karar Ağının Tasarlanması

Bir işletmenin üretim sürecinde kullanacağı malzemelerin tedariki için tedarikçi

seçim modeli tasarlanacaktır. Bu nedenle literatür taraması sonucu Kalite (K), Fiyat (F),

Teslimat (T), Hizmet (H), Esneklik (E), Teknik Yeterlilik (TY), Teknolojik Kabiliyet

83 (TK), Yönetim ve Organizasyon (YO), Geçmiş Performans (GP), Finansal Durum (FD) ve Coğrafi Konum (CK) faktörleri seçim kriteri olarak belirlenmiştir. Kriterlerin kendi aralarındaki etkileri Tablo 4’de gösterilmiştir. Tablo 4’de gösterilen etkiler dikkate alınarak Şekil 3’de görülen karar ağ yapısı oluşturulmuştur.

Tablo 4: Karar Ağının Kriterleri ve Etkileri

Kriter Kriter

Sembolü Etkilediği Kriter Etkilendiği Kriter

Kalite K F, H, GP, FD F, TY, TK, YO, GP, FD, CK

Fiyat F K, H, TY, TK, GP, FD, CK K, T, H, TY, TK, YO, GP, FD, CK Tablo 4: Karar Ağının Kriterleri ve Etkileri (Devam)

Teslimat T F, H, E, GP, FD H, E, TY, TK, YO, GP, FD, CK

Hizmet H F, T, GP, FD K, F, T, E, TY, TK, YO, GP, FD,

CK

Esneklik E T, H, GP, FD T, TY, TK, YO, FD, CK

Teknik Yeterlilik TY K, F, T, H, E, GP, FD F, TK, YO, FD, CK Teknolojik Kabiliyet TK K, F, T, H, E, TY, YO, GP,

FD F, YO, FD

Yönetim ve

Organizasyon YO K, F, T, H, E, TY, TK, GP,

FD TK, GP, FD, CK

Geçmiş Performans GP K, F, T, H, YO, FD K, F, T, H, E, TY, TK, YO, CK Finansal Durum FD K, F, T, H, E, TY, TK, YO,

CK K, F,T, H, E, TY, TK, YO, GP

Coğrafi Konum CK K, F, T, H, E, TY, YO, GP F, FD

84

Şekil 3: Karar Ağı

İkili Karşılaştırma Matrislerinin Oluşturulması

Amaç dikkate alınarak her bir kritere diğer kriterlerin etkilerini belirlemek için on bir adet ikili karşılaştırma matrisi düzenlenmiştir. İkili olarak karşılaştırılan kriterlerin, temel alınan kriteri ne oranda etkiledikleri Tablo 2 ve Tablo 3’de belirtilen ölçeğe göre yapılmıştır. Bu kısımda amaç dikkate alınarak, K kriterine diğer kriterlerin etkilerinin nasıl belirlendiği örnek olarak gösterilmiştir. Tablo 4 ve Şekil 3’de gösterildiği gibi K kriterini; F, TY, TK, YO, GP, FD ve CK kriterleri etkilemektedir. Bu nedenle bu kriterlerin ikili olarak karşılaştırıldığı bir matris Tablo 5’de gösterildiği gibi oluşturulmuştur.

Kalite

Fiyat

Teslimat

Yönetim Organizasyon

Hizmet

Coğrafi Konum

Esneklik

Teknik Yeterlilik

Teknolojik Kabiliyet Geçmiş

Performans

Finansal Durum

85

Tablo 5: Kalite Kriterine Etki Eden Kriterlerin İkili Olarak Karşılaştırılması

F TY TK YO GP FD CK

F 1,00 1,00 1,00 5,00 7,00 9,00 0,25 0,50 1,00 0,25 0,50 1,00 7,00 9,00 11,00 3,00 5,00 7,00 7,00 9,00 11,00

TY 0,11 0,14 0,20 1,00 1,00 1,00 0,14 0,20 0,33 1,00 1,00 1,00 1,00 3,00 5,00 1,00 3,00 5,00 3,00 5,00 7,00 TK 1,00 2,00 4,00 3,00 5,00 7,00 1,00 1,00 1,00 3,00 5,00 7,00 7,00 9,00 11,00 3,00 5,00 7,00 7,00 9,00 11,00 YO 1,00 2,00 4,00 1,00 1,00 1,00 0,14 0,20 0,33 1,00 1,00 1,00 5,00 7,00 9,00 3,00 5,00 7,00 5,00 7,00 9,00 GP 0,09 0,11 0,14 0,20 0,33 1,00 0,09 0,11 0,14 0,11 0,14 0,20 1,00 1,00 1,00 0,14 0,20 0,33 0,25 0,50 1,00 FD 0,14 0,20 0,33 0,20 0,33 1,00 0,14 0,20 0,33 0,14 0,20 0,33 3,00 5,00 7,00 1,00 1,00 1,00 3,00 5,00 7,00 CK 0,09 0,11 0,14 0,14 0,20 0,33 0,09 0,11 0,14 0,11 0,14 0,20 1,00 2,00 4,00 0,14 0,20 0,33 1,00 1,00 1,00

Tablo 5’de K kriterine etki eden diğer kriterlerin ne oranda etkili oldukları gösterilmiştir. Benzer şekilde sırasıyla diğer on kritere de etki eden kriterler karşılaştırılarak toplamda 11 adet ikili karşılaştırma matrisi oluşturulmuştur.

Bulanık Ham Önem Ağırlıkların Hesaplanması

Her kriterin ham bulanık önem ağırlıklarını bulmak içi bulanık sayıların geometrik ortalaması alınmıştır. Örnek olarak K kriterine etkisi olan kriterlerin karşılaştırıldığı Tablo 5’de;

F kriterinin geometrik ortalamasının nasıl bulunduğu aşağıda gösterilmiştir:

Her bir geometrik ortalama, geometrik ortalamaların toplamına bölünerek bulanık ham önem ağırlıkları bulunmuştur. Bulanık sayıların bölme işleminde (5) numaralı formül kullanılmıştır. K kriterine etkisi olan kriterlerden F kriteri için bulanık önem ağırlıkları aşağıda gösterilmiştir.

86

Bulanık ham önem ağırlıkları (8) numaralı formül kullanılarak durulaştırma işlemine tabi tutulmuştur. F kriterinin bulanık önem ağırlığının durulaştırma süreci aşağıda örnek olarak açıklanmıştır. Uygulamamızda α ve λ değişkenlerine 0,5 değeri verilmiştir.

Durulaştırma sürecinden sonra durulaştırılan ham önem ağırlıkları, toplam ham önem ağırlıklarına bölünerek normalleştirilmiştir. F kriterinin normalleştirilme süreci örnek olarak verilmiştir:

Tablo 6: Kalite Kriterine Etki Eden Kriterlerin Ham Önem Ağırlıkları

GEOMETRİK ORTALAMA

BULANIK HAM ÖNEM

AĞIRLIKLARI

DURULAŞTIRMA

NORMALLEŞTİRİLMİŞ HAM ÖNEM

AĞIRLIKLARI F 1,728 2,554 3,586 0,115 0,235 0,482 0,267 0,237

TY 0,647 1,037 1,420 0,043 0,096 0,191 0,106 0,094 TK 2,792 4,123 5,568 0,186 0,380 0,749 0,424 0,375 YO 1,403 1,925 2,578 0,093 0,177 0,347 0,199 0,176 GP 0,182 0,249 0,390 0,012 0,023 0,052 0,028 0,025 FD 0,472 0,679 1,089 0,031 0,063 0,146 0,076 0,067 CK 0,211 0,282 0,406 0,014 0,026 0,055 0,030 0,027 TOPLAM 7,436 10,848 15,037 1,129 1,000

Süpermatrisin Oluşturulması

Her bir kritere (kümeye) etki eden diğer kriterlerin ikili olarak karşılaştırılmaları sonucu elde edilen normalleştirilmiş ham önem ağırlıkları (öncelik vektörleri) süpermatris diye adlandırılan bir matriste birleştirilmiştir. Her bir kümenin ham önem ağırlıklarının yer aldığı bu yeni matris Tablo 7’de gösterilmektedir. K kümesine etki eden kriterlerin karşılaştırılması sonucu elde edilen öncelik vektörü süpermatrisin 1. sütununda yer almaktadır. Süpermatrisin stokastik olması sağlanmalıdır. Yani matrisin elemanları negatif değer içermemeli ve sütun toplamları 1 olmalıdır.

87

Tablo 7: Süpermatris

K F T H E TY TK YO GP FD CK

K 0,000 0,282 0,000 0,206 0,000 0,000 0,000 0,000 0,244 0,271 0,000 F 0,237 0,000 0,000 0,033 0,000 0,338 0,648 0,000 0,079 0,199 0,827 T 0,000 0,078 0,000 0,157 0,280 0,000 0,000 0,000 0,185 0,099 0,000 H 0,000 0,217 0,196 0,000 0,000 0,000 0,000 0,000 0,242 0,125 0,000 E 0,000 0,000 0,100 0,154 0,000 0,000 0,000 0,000 0,114 0,046 0,000 TY 0,094 0,057 0,179 0,157 0,251 0,000 0,000 0,000 0,040 0,071 0,000 TK 0,375 0,081 0,137 0,084 0,075 0,160 0,000 0,163 0,025 0,078 0,000 YO 0,176 0,083 0,174 0,091 0,149 0,254 0,155 0,000 0,052 0,088 0,000 GP 0,025 0,048 0,038 0,025 0,000 0,000 0,000 0,367 0,000 0,000 0,000 FD 0,067 0,094 0,067 0,048 0,106 0,151 0,197 0,195 0,000 0,000 0,173 CK 0,027 0,060 0,109 0,045 0,139 0,097 0,000 0,275 0,020 0,023 0,000

Limit Süpermatrisin Oluşturulması

Süpermatriste kriterler arasındaki dolaylı etkiler yerine sadece direkt etkiler dikkate alınmıştır. Bu nedenle süpermatrisin büyük dereceden (2k+1) kuvvetinin alınması gerekmektedir. Kuvvet alma işlemi, aynı satıra karşılık gelen sütun değerleri birbirine eşit olana kadar, yani matrisin satırları durağanlaşıncaya kadar yapılır. Elde edilen yeni matris, limit süpermatris olarak adlandırılır (Saaty, 2001). Limit süpermatris ile kriterlerin öncelikleri belirlenmiş olur. Karar sürecini etkileyen en önemli kriter, limit süpermatriste en yüksek önceliğe sahip olan kriteridir. Tablo 8’da süpermatrisin 16. kuvveti alınarak elde edilen limit süpermatris görülmektedir. Bu sonuçlar bize kriterlerin önem ağırlıklarını göstermektedir.

Tablo 8: Limit Süpermatris

K F T H E TY TK YO GP FD CK

K 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 0,117 F 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 0,207 T 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 0,058 H 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830 0,830

88

E 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 0,030 TY 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 TK 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 0,114 YO 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 0,105 GP 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 0,056 FD 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 0,103 CK 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068 0,068

Karar Matrisinin Oluşturulması ve En İyi ve En Kötü Değerleri Belirlenmesi

Seçenekler, 5’li Likert ölçeğine göre (1: Çok Düşük, 2: Düşük, 3: Orta, 4:

Yüksek ve 5: Çok Yüksek) şeklinde uzmanlarca değerlendirmeye tabi tutulmuştur.

Değerlendirme sonucunda Karar Matrisi (KM) oluşturulmuştur. KM aşağıda Tablo 9’da verilmiştir. En iyi ve en kötü değerler ise Tablo 10’da gösterilmiştir.

Tablo 9: Karar Matrisi

K F T H E TY TK YO GP FD CK S1 5 20 4 4 3 4 5 4 3 4 500 S2 5 25 5 5 4 4 5 5 4 4 1000 S3 4 18 4 4 3 3 4 4 4 4 100 S4 4 16 3 3 4 4 4 4 3 3 50

Tablo 10: En İyi ve En Kötü Değerleri 5 16 5 5 4 4 5 5 4 4 50 4 25 3 3 3 3 4 4 3 3 1000

Sj, Rj ve Qj Değerlerinin Hesaplanması

Tablo 11, Sj, Rj ve Qj değerlerinin sıralanmasını göstermektedir. Aşağıda örnek olarak S1 değerinin nasıl hesaplandığı (9) numaralı formülü kullanarak gösterilmiştir.

89

S1=0,117*(5-5)/(5-4)+0,207*(16-20)/(16-25)+0,058*(5-4)/(5-3)+0,83*(5-4)/(5-3)+0,03*(4- 3)/(4-3)+0,063*(4-4)/(4-3)+0,114*(5-5)/(5-4)+0,105*(5-4)/(5-4)+0,056*(4-3)/(4-3)+0,103*(4- 4)/(4-3)+0,068*(50-500)/(50-1000) = 0,759

R1 değerinin (10) numaralı formülü kullanarak hesaplanması aşağıda örnek olarak gösterilmiştir.

R1 = max [0,117*(5-5)/(5-4); 0,207*(16-20)/(16-25); 0,058*(5-4)/(5-3); 0,83*(5-4)/(5-3);

0,03*(4-3)/(4-3);0,063*(4-4)/(4-3); 0,114*(5-5)/(5-4); 0,105*(5-4)/(5-4); 0,056*(4-3)/(4-3);

0,103*(4-4)/(4-3); 0,068*(50-500)/(50-1000)]

R1 = max [0; 0,092; 0,029; 0,415; 0,03; 0; 0; 0,105; 0,056; 0; 0,032] = 0,415

Q1 değerinin, (11) numaralı formülü kullanarak hesaplanması örnek olarak aşağıda gösterilmiştir.

Q1 = 0,5*(0,759-0,275)/(1,383-0,275)+(1-0,5)*(0,415-0,207)/(0,83-0,207) = 0,385

Tablo 11: Sj, Rj ve Qj Değerleri

S R Q

S1 0,759 0,415 0,385 S2 0,275 0,207 0,000 S3 0,923 0,415 0,459 S4 1,383 0,830 1,000

Sj, Rj ve Qj değerleri hesaplanıp küçükten büyüğe doğru sıralanmalıdır.

Tablo 12: Sj, Rj ve Qj Değerlerinin Küçükten Büyüğe Doğru Sıralanması

S R Q

S2 0,275 S2 0,207 S2 0,000 S1 0,759 S1 0,415 S1 0,385 S3 0,923 S3 0,415 S3 0,459 S4 1,383 S4 0,830 S4 1,000

90 formülünde değerler yerine konulduğunda (0,385-0)>=

0,333 sonucu C1 koşulu sağlanmaktadır. S2 seçeneği S

j

ve R

_j

sıralamasında da birinci sırayı alarak C2 koşulunu da yerine getirmektedir. Bu durumda en iyi seçeneğin S2 olduğu görülmektedir.

SONUÇ VE ÖNERİLER

Tedarikçi seçimi; birçok nitel ve nicel faktörü dikkate alarak, potansiyel tedarikçiler arasından işletme için en uygun olan tedarikçiyi belirleme sürecidir. İşletmeler, maliyetlerini azaltarak, zamanında ve hızlı teslimat yaparak, ürün kalitesini iyileştirerek, başarılı yönetim sergileyerek ve benzer iyileştirmelerle rekabet gücünü artırmak için kendi stratejisine uygun tedarikçilerle uzun süreli bağlantılar kurmak istemektedirler. Bu anlamda tedarikçi seçimi;

süreçte bağımlı ya da bağımsız faktörlerin etkili olduğu ÇKKV problemi olarak görülmektedir.

Bu çalışma ile bir işletme için BAAS ve VIKOR yöntemlerinin tümleşik olarak kullanıldığı tedarikçi seçim modeli geliştirilmiştir. BAAS, kriterlerin önem ağırlıklarını belirlemede, VIKOR ise belirlenen önem ağırlıklarını kullanarak en uygun tedarikçiyi seçmede kullanılmıştır. Modelin kriterleri literatür taraması sonucu; Kalite, Fiyat, Teslimat, Hizmet, Esneklik, Teknik Yeterlilik, Teknolojik Kabiliyet, Yönetim ve Organizasyon, Geçmiş Performans, Finansal Durum ve Coğrafi Konum olarak belirlenmiştir. Modelin uygulanması sonucunda en etkili kriterin 0,207 ile fiyat olduğu görülmüştür. Tedarikçi seçiminde ikinci sırada yer alan kriter ise 0,117 ile kalite olmuştur. En aza etkili kriterin ise 0,030 ile esneklik olduğu anlaşılmıştır. Modelin uygulanması sonucunda S2 tedarikçisinin en uygun tedarikçi olduğu anlaşılmıştır.

Bu çalışma ile BAAS ve VIKOR yöntemlerini temel alarak oluşturulan karar verme modelinin, tedarikçi seçim sürecinde özel yazılımlar gerektirmeden her hangi bir tablolama programı kullanılarak uygulanabileceği gösterilmiştir. Tedarikçi seçimine yönelik olarak ilerideki çalışmalarda; BAAS ile bütünleşmiş TOPSIS, PROMETHEE veya ELECTRE gibi diğer ÇKKV yöntemleri kullanılabilir ve elde edilen sonuçlar karşılaştırılabilir.

91 KAYNAKÇA

ALI-MOHAMMAD, Ahmadvand; Bashiri MAHDI and Alighadr ZAHRA; (2010), “ The critical path definition with fuzzy multi criteria decision making”, In: Computer and Automation Engineering (ICCAE), 2010 The 2nd International Conference on, IEEE, pp. 206-210.

ARAGONÉS-BELTRÁN, Pablo; Fidel CHAPARRO-GONZÁLEZ; Juan-Pascual PASTOR-FERRANDO and Andrea PLA-RUBIO; (2014), “An AHP (Analytic Hierarchy Process)/ANP (Analytic Network Process)-based multi-criteria decision approach for the selection of solar-thermal power plant investment projects”, Energy, 66, pp. 222-238.

AZIZI, Hossein

^;

(2013). “A note on A decision model for ranking suppliers in the presence of cardinal and ordinal data, weight restrictions, and nondiscriminatory factors”, Annals of Operations Research, 211(1), pp. 49-54.

BEVILACQUA, Maurizio; F.E. CIARAPICA and G. GIACCHETTA; (2006), “A fuzzy-QFD approach to supplier selection”, Journal of Purchasing and Supply Management, 12(1), pp. 14-27.

BÜYÜKÖZKAN, Gülçin and Gizem ÇIFÇI; (2012), “A novel hybrid MCDM approach based on fuzzy DEMATEL, fuzzy ANP and fuzzy TOPSIS to evaluate green suppliers”, Expert Systems with Applications, ,39(3), pp. 3000-3011.

CHAN, Felix TS and Niraj KUMAR; (2007), “Global supplier development considering risk factors using fuzzy extended AHP-based approach”, Omega, 35(4), pp. 417-431.

CHEN, Jui-Kuei and I-Shuo CHEN; (2008), “A Method for Promoting Vision in

Secondary Schools: A Novel Hybrid Model based on Fuzzy AHP and TOPSIS”,

Journal of Global Business Issues, 2(2), pp. 83-94.

92 CHOU, Shuo-Yan and Yao-Hui CHANG; (2008), “A decision support system for supplier selection based on a strategy-aligned fuzzy SMART approach”, Expert systems with applications, 34(4), pp. 2241-2253.

DAĞDEVİREN, Metin; Nilay DÖNMEZ ve Mustafa KURT; (2006), “Bir İşletmede Tedarikçi Değerlendirme Süreci İçin Yeni Bir Model Tasarımı Ve Uygulaması”, Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 2006, 21(2), ss. 247- 255.

DAĞDEVİREN, Metin; (2007), “Bulanık Analitik Hiyerarşi Prosesi ile Personel Seçimi ve Bir Uygulama”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 22(4), ss.791-799.

DALALAH, Doraid; Mohammed HAYAJNEH and Farhan BATIEHA; (2011), “A fuzzy multi-criteria decision making model for supplier selection”, Expert Systems with Applications, 38(7), pp. 8384-8391.

DENG, Xinyang; Yong HU; Yong DENG and Sankaran MAHADEVAN; (2014),

“Supplier selection using AHP methodolog extended by D numbers”, Expert Systems with Applications, 41(1), pp.156-167.

DEVI, Kavita; (2011), “Extension of VIKOR method in intuitionistic fuzzy environment for robot selection”, Expert Systems with Applications, 38(11), pp.14163-14168.

DEY Supratik; Akshay KUMAR; Amitava RAY and B.B. PRADHAN; (2012),

“Supplier Selection: Integrated Theory using DEMATEL and Quality Function Deployment Methodology”, Procedia Engineering 38, pp. 2111–2116.

DICKSON, G. W.; (1996), “An analysis of vendor selection systems and decisions”, Journal of Purchasing, 2(1), pp.5-17.

EH, Tsu-Ming and Yu-Lang HUANG; (2014), “Factors in determining wind farm

location: Integrating GQM, fuzzy DEMATEL, and ANP”, Renewable

Energy, 66, pp.159-169.

93 FAZLOLLAHTABAR, Hamed; Iraj MAHDAVI; Minoo Talebi ASHOORI; Somayeh KAVIANI and Nezam MAHDAVI-AMIRI; (2011), “A multi-objective decision-making process of supplier selection and order allocation for multi- period scheduling in an electronic market”, The International Journal of Advanced Manufacturing Technology, 52, pp.1039-1052.

GENCER, Cevriye and Didem GÜRPINAR; (2007), “Analytic network process in supplier selection: A case study in an electronic firm”, Applied Mathematical Modelling, 31(11), pp. 2475-2486.

GHODSYPOUR, Seyed Hassan and C. O’BRIEN; (2001), “The total cost of logistics in supplier selection, under conditions of multiple sourcing, multiple criteria and capacity constraint”, International Journal of Production Economics, 73(1), pp.

15-27.

GÜNERİ, Ali Fuat; M. CENGIZ and S. SEKER; (2009), “A fuzzy ANP approach to shipyard location selection”, Expert Systems with Applications, 2009, 36.4:

7992-7999.

HA, Sung Ho and Ramayya KRISHNAN; (2008), “A hybrid approach to supplier selection for the maintenance of a competitive supply chain”, Expert Systems with Applications, 34(2), pp. 1303-1311.

Hus, T. H., Nian, S. H. (1997). Interactive fuzzy decision aided systems-a case on public transportation system operations, Journal of Transportation Taiwan, 10(4), 79-96.

HUS, T. H. and S.H. NIAN; (1997), “S. H. Interactive fuzzy decision aided systems-a case on public transportation system operations”, Journal of Transportation Taiwan, 10(4), pp. 79-96.

IVANOVIĆ, Ivan; Dragana GRUJIČIĆ; Dragana MACURA; Jadranka JOVIĆ and

Nebojša BOJOVIĆ; (2013), “One approach for road transport project

selection”, Transport Policy, 25, pp.22-29

94 JADIDI, O.; S. ZOLFAGHARI and Sergio CAVALIERI; (2014), “A new normalized goal programming model for multi-objective problems: A case of supplier selection and order allocation”, International Journal of Production Economics, 148, pp.158-165.

JEYA GIRUBHA, R. and S. VINODH; (2012), “Application of fuzzy VIKOR and environmental impact analysis for material selection of an automotive component”, Materials & Design, 37, pp. 478-486.

KABAK, Mehmet and Metin DAĞDEVİREN; (2014), “ Prioritization of renewable energy sources for Turkey by using a hybrid MCDM methodology”, Energy Conversion and Management, 79, pp. 25-33.

KANNAN, Devika; Roohollah KHODAVERDI; Laya OLFAT; Ahmad JAFARIAN and Ali DIABAT; (2013), “Integrated fuzzy multi criteria decision making method and multi-objective programming approach for supplier selection and order allocation in a green supply chain”, Journal of Cleaner Production, 47, pp.355-367.

KANNAN, Devika; Ana Beatriz Lopes de Sousa JABBOUR and Charbel José Chiappetta JABBOUR, (2014a), “Selecting green suppliers based on GSCM practices: Using fuzzy TOPSIS applied to a Brazilian electronics company”, European Journal of Operational Research, 233(2), pp. 432-447.

KANNAN, Devika; Kannan GOVINDAN and Sivakumar RAJENDRAN; (2014b),

“Fuzzy Axiomatic Design approach based Green Supplier Selection: A Case Study from Singapore”, Journal of Cleaner Production, pp.1-15.

KARIMI, Hossein and Alireza REZAEINIA; (2014). “Supplier selection using revised

multi-segment goal programming model”, The International Journal of

Advanced Manufacturing Technology, 70(5-8), pp.1227-1234.

95 KILIC, Hüseyin Selçuk; (2013),”An integrated approach for supplier selection in multi-

item/multi-supplier environment”, Applied Mathematical Modelling, 37(14), pp.7752-7763.

KUMAR, Amit; Vipul JAIN and Sameer KUMAR; (2014), “A comprehensive environment friendly approach for supplier selection”, Omega, 42(1), pp.109- 123.

KUO, Ming-Shin and Gin-Shuh LIANG; (2011), “Combining VIKOR with GRA techniques to evaluate service quality of airports under fuzzy environment”, Expert Systems with Applications, 38(3), pp: 1304-1312.

TSENG, Ming-Lang; Jui Hsiang CHIANG and Lawrence W. LAN; (2009), “Selection of optimal supplier in supply chain management strategy with analytic network process and choquet integral”, Computers & Industrial Engineering, 57(1), pp.330-340.

LIAO, Chin-Nung and Hsing-Pei KAO; (2011), “An integrated fuzzy TOPSIS and MCGP approach to supplier selection in supply chain management”, Expert Systems with Applications, 38(9), pp.10803-10811.

LIN, Chin-Tsai; Chie-Bein CHEN and Ying-Chan TING; (2011), “An ERP model for supplier selection in electronics industry”, Expert Systems with Applications, 38(3), pp.1760-1765.

LIOU, James JH and Yu-Tai CHUANG; (2010), “ Developing a hybrid multi-criteria model for selection of outsourcing provider”, Expert Systems with Applications, 37(5), pp. 3755-3761.

LIOU, James JH; Chieh-Yuan TSAI; Rong-Ho LIN and Gwo-Hshiung TZENG; (2011),

“A modified VIKOR multiple-criteria decision method for improving domestic airlines service quality”, Journal of Air Transport Management, 17(2), pp.57-61.

LIOU, Tian-Shy and Mao-Jiun J. WANG; (1992), “Ranking fuzzy numbers with

integral value”, Fuzzy sets and systems, 50(3), pp. 247-255.

96 NGUYEN, H. T.; Siti Zawiah Md DAWAL; Yusoff NUKMAN and Hideki AOYAMA

; (2014), “ hybrid approach for fuzzy multi-attribute decision making in machine tool selection with consideration of the interactions of attributes”, Expert Systems with Applications, 41(6), pp.3078-3090.

OPRICOVIC, Serafim and Gwo-Hshiung TZENG; (2004), “Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS”, European Journal of Operational Research, 156(2), pp. 445-455.

OPRICOVIC, Serafim and Gwo-Hshiung TZENG; (2007), “Extended VIKOR Method in Comparison with Other Outranking Methods, European Journal of Operational Research,178, pp. 514-529.

OPRICOVIC Serafim; (2009), “A Compromise Solution in Water Resources Planning”, Water Resources Management, 23, pp.1549-1561.

PRAKASH, T.N.; (2003), “Land Suitability Analysis for Agricultural Crops: A Fuzzy Multicriteria Decision Making Approach”, MSc Thesis, ITC Institue.

PETERS, Malte L. and Stephan ZELEWSKI; (2008), “Der Analytic Network Process als Technik zur Lösung multikriterieller Entscheidungsprobleme unter Berücksichtigung von Abhaengigkeiten zwischen Kriterien”, WiSt, 9, pp. 475- 482.

RAJESH, G. and, P. MALLIGA; (2013), “Supplier Selection based on AHP QFD Methodology”, Procedia Engineering, 64, pp. 1283-1292.

ROSHANDEL, Jinus; Seyed Sina MIRI-NARGESI and Loghman HATAMI- SHIRKOUHI; (2013), “Evaluating and selecting the supplier in detergent production industry using hierarchical fuzzy TOPSIS”, Applied Mathematical Modelling, 37(24), pp.10170-10181.

SAN CRISTÓBAL, J.R.; (2011), “Multi-criteria decision-making in the selection of a

renewable energy project in spain: The Vikor method”, Renewable Energy,

36(2), pp. 498-502.

97 SARKIS, Joseph and Srinivas TALLURI; (2002), “A model for strategic supplier

selection”, Journal of Supply Chain Management, 38(1), pp.18–28.

SANAYEI, Amir; S. FARID MOUSAVI and A. YAZDANKHAH; (2010), “Group Decision Making Process For Supplier Selection With VIKOR Under Fuzzy Environment”, Expert Systems with Applications, 37, pp.24-30.

SAATY, Thomas L; (2001), Decision Making with Dependence and Feedback, The Analytic Network Process, RWS Publications, Pittsburg.

SAEN, Reza Farzipoor; (2010), “Developing a new data envelopment analysis methodology for supplier selection in the presence of both undesirable outputs and imprecise data”, The International Journal of Advanced Manufacturing Technology, 51(9-12), pp.1243-1250.

SHARMA, Sanjay and Srinivasan BALAN; (2013),” An integrative supplier selection model using Taguchi loss function, TOPSIS and multi criteria goal programming”, Journal of Intelligent Manufacturing, 24(6), pp. 1123-1130 SHAW, Krishnendu; Ravi SHANKAR; Surendra S. YADAV and Lakshman S.

THAKUR; (2012), “Supplier selection using fuzzy AHP and fuzzy multi- objective linear programming for developing low carbon supply chain”, Expert Systems with Applications, 39(9), pp.8182-8192.

SHEMSHADI, Ali; Hossein SHIRAZI; Mehran TOREIHI and M.J. TAROKH; (2011),

“A fuzzy VIKOR method for supplier selection based on entropy measure for objective weighting”, Expert Syst. Appl. 38(10), pp.12160–12167.

TAVANA, Madjid; Kaveh KHALILI-DAMGHANI and Amir-Reza ABTAHI; (2012),

“A hybrid fuzzy group decision support framework for advanced-technology prioritization at NASA”, Expert Systems with Applications, 40, pp.480–491.

TAVANA, Madjid ; Ehsan MOMENI; Nahid REZAEINIYA; Seyed Mostafa

MIRHEDAYATIAN and Hamidreza REZAEINIYA; (2013), “A novel hybrid

98 social media platform selection model using fuzzy ANP and COPRAS-G”, Expert Syst. Appl., 40(14), pp. 5694-5702.

TOLOO, Mehdi and Soroosh NALCHIGAR; (2011), “A new DEA method for supplier selection in presence of both cardinal and ordinal data”, Expert Syst. Appl.

38(12), pp.14726–14731.

TZENG, Gwo-Hshiung; Cheng-Wei LIN and Serafim OPRICOVIC; (2005), “Multi- criteria analysis of alternative-fuel buses for public transportatio”, Energy Policy, 33, pp.1373-1383.

WANG, Ge; Samuel H. HUANG and John P. DISMUKES; (2004), “Product-driven supply chain selection using integrated multi-criteria decision-making methodology”, International Journal of Production Economics, 91(1), pp.1–15.

VINODH, S.; R. ANESH RAMIYA and S. G. GAUTHAM; (2011), “Application of fuzzy analytic network process for supplier selection in a manufacturing organisation”. Expert Systems with Applications, 38(1), pp.272-280.

WANG, Jia-Wen; Ching-Hsue CHENG and Kun-Cheng HUANG; (2009), “Fuzzy hierarchical TOPSIS for supplier selection”, Applied Soft Computing, 9, pp.377-386.

WARE, Nilesh R.; S. P. SINGH and D. K. A. BANWET; (2014), “A mixed-integer non-linear program to model dynamic supplier selection problem”, Expert Systems with Applications, 41(2), pp. 671-678.

WU, Cheng-Ru; Che-Wei CHANG and Hung-Lung LIN; (2008), “A fuzzy ANP-based approach to evaluate medical organizational performance”, International journal of information and management sciences, 19(1), pp.53-74.

WU, Hung-Yi; Gwo-Hshiung TZENG and Yi-Hsuan CHEN; (2009), “A Fuzzy Mcdm

Approach For Evaluating Banking Performance Based On Balanced Scorecard”,

Expert Systems with Applications, 36, pp.10135-10147.

99 YAHYA, S. and B. KINGSMAN; (1999), “Vendor rating for an entrepreneur development programme: a case study using the analytic hierarchy Process method”, Journal of Operational Research Society, 50, pp.916–930.

YEH, Tsu-Ming and Yu-Lang HUANG; (2014), “Factors in determining wind farm location: Integrating GQM, fuzzy DEMATEL and ANP”, Renewable Energy, 66, 159-169.

ZHAO, Meng and Rong-rong REN; (2013), “The Decision-Making Model for Aviation Project’s Supplier Selection Based on Improved TOPSIS”, In LISS 2012, pp.

1171-1176, Springer, Berlin Heidelberg.

ZIMMERMANN, H.J.; (1990), Fuzzy Set Theory and its Application, Kluwer Academic Publishers, Boston.

ZOUGGARI, Akram and Lyes BENYOUCEF; (2012), “Simulation Based Fuzzy TOPSIS Approach for Group Multi-Criteria Supplier Selection Problem”.

Engineering Applications of Artificial Intelligence, 25, pp. 507-519.